dynamic seq2seq

динамический-seq2seq

Добро пожаловать, чтобы следить за моим другим проектом — китайским чат-роботом, основанным на алгоритме Pytorch и Beam Search.

Модель seq2seq, основанная на китайском корпусе и динамическом_rnn

---

Обновлять:

• Исправить ошибку расчета убытков
• Исправлена ​​ошибка расчета, когда пакетный_размер больше 1.

Требования

• тензорный поток-1.4+
• python2.7 (пока не совместим с python3)
• запросы
• Джиеба
• cРассол
• бестолковый

---

Google недавно открыл исходный код проекта seq2seq Google seq2seq
tensorflow запустил Dynamic_rnn вместо исходного сегмента. Этот проект основан на модели Dynamic_rnn seq2seq.

Здесь я построил несколько прогнозов разговоров. Китайский корпус сам по себе относительно скуден. Теоретически, чем больше корпуса, тем лучше будет модель, но она столкнется со многими новыми проблемами, поэтому я не буду их здесь объяснять.

Материалы диалога находятся в формате Q.txt A.txt в каталоге данных и могут быть заменены вашими собственными материалами диалога.

---

использование:

 # 新增小黄鸡语料
# 添加
python prepare_dialog.py 5000


seq = Seq2seq()
# 训练
seq.train()
# 预测
seq.predict("天气")
# 重新训练
seq.retrain()

Эффект:

 me >  天气
AI >  地点： 重庆
气温： 7
注意： 天气较凉，较易发生感冒，请适当增加衣服。体质较弱的朋友尤其应该注意防护。

Действие:

В этом проекте добавлена ​​поддержка действий, и вы можете настроить свои собственные функции. Поддержка нескольких раундов сеансов будет добавлена ​​позже!

В файле action.py зарегистрируйте свой собственный тег действия и соответствующий интерфейс, например:

 #　注意：参数为固定参数
def act_weather(model, output_str, raw_input):
    #TODO: Get weather by api
    page = requests.get("http://wthrcdn.etouch.cn/weather_mini?city=重庆")
    data = page.json()
    temperature = data['data']['wendu']
    notice = data['data']['ganmao']
    outstrs = "地点： %sn气温： %sn注意： %s" % ("重庆", temperature.encode("utf-8"), notice.encode("utf-8"))
    return outstrs


actions = {
    "__Weather__":act_weather
}

Советы: Параметры интерфейса временно исправлены и будут обновлены позже.

При этом учебный корпус построен следующим образом:

 # Q.txt
天气
# A.txt
__Weather__